机器学习该怎么入门?

简介:

我们从下面3步详细看下如何去学习

第1步:基础知识
学习机器学习需要具备数学和编程基础。
1)数学理论:微积分、线性代数、统计学

可汗学院,是由孟加拉裔美国人萨尔曼·可汗创立的一家教育性非营利组织,主旨在于利用网络影片进行免费授课。
可汗学院公开课:微积分-积分学
可汗学院公开课:微积分-微分学

《沉浸式线性代数》(Immersive Linear Algebra) :通过可以活动的图像,你可以观察和理解难懂的数学理论:http://immersivemath.com/ila/index.html

可汗学院公开课:线性代数
麻省理工公开课:线性代数

可汗学院公开课:统计学
可汗学院公开课:概率

这个是我讲的统计学,内部案例用Python实现,结合生活中的案例可以通俗易懂的学会:
从零学会人工智能基础知识:统计概率

3Blue1Brown制作的数学科普视频,通过动画的方式将数学讲的通俗易懂。官网地址:
https://space.bilibili.com/88461692

2)编程能力:Python
这部门内容在之前的文章中有聊过如何学习:
做数据分析不得不看的书有哪些?

www.zhihu.com
图标

第2步:入门机器学习
下面的内容可以选择一个来学习

吴恩达开设的《机器学习》免费入门课,授课地址是:
https://study.163.com/course/introduction/1004570029.htm
推荐理由:这门课的目的是让机器学习初学者能够快速对整个机器学习知识点有比较整体的认识,便于快速入门。

推荐理由:周志华《机器学习》这本书的前言中说的很清楚,“本书只能给诸君提供入门之路径,读者若想通过此书而精通浩瀚之机器学习,那是万万做不到的”。

推荐理由:不要被书名《统计学习方法》(作者:李航)骗到,讲的其实是机器学习算法。

推荐理由:这本书最大的特点就是从零开始,使用Python实现主流的机器学习算法。。用人话把复杂难懂的机器学习算法解释清楚了。

第3步:进阶提高
可以通过参加kaggle竞赛来提高:如何入门kaggle?
在工作中做项目,通过解决实际的问题来不断提高

总结
著名奥地利作家茨威格曾说:
一个人和书籍接触得愈亲密,他便愈加深刻地感到生活的统一。因为他的人格复化了,他不仅用他自己的眼睛观察,而且运用着无数心灵的眼睛,由于他们这种崇高的帮助,他将怀着挚爱的同情踏遍整个的世界。

一个人最好的投资是提升自我,而知识升级最好的办法,便是学习。下面用一张图来总结机器学习如何入门

相关文章
|
4月前
|
机器学习/深度学习 开发者 异构计算
机器学习入门-Colab环境
Google Colab(Colaboratory)是一个免费的云端环境,旨在帮助开发者和研究人员轻松进行机器学习和数据科学工作。它提供了许多优势,使得编写、执行和共享代码变得更加简单和高效。Colab在云端提供了预配置的环境,可以直接开始编写代码,并且提供了免费的GPU和TPU资源,这对于训练深度学习模型等计算密集型任务非常有帮助,可以加速模型训练过程。
98 0
|
2月前
|
机器学习/深度学习 人工智能 运维
【人工智能技术专题】「入门到精通系列教程」打好AI基础带你进军人工智能领域的全流程技术体系(机器学习知识导论)(二)
【人工智能技术专题】「入门到精通系列教程」打好AI基础带你进军人工智能领域的全流程技术体系(机器学习知识导论)
60 1
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
【人工智能技术专题】「入门到精通系列教程」打好AI基础带你进军人工智能领域的全流程技术体系(机器学习知识导论)(一)
【人工智能技术专题】「入门到精通系列教程」打好AI基础带你进军人工智能领域的全流程技术体系(机器学习知识导论)
80 1
|
8天前
|
机器学习/深度学习 自然语言处理 语音技术
【Python 机器学习专栏】Python 深度学习入门:神经网络基础
【4月更文挑战第30天】本文介绍了Python在深度学习中应用于神经网络的基础知识,包括神经网络概念、基本结构、训练过程,以及Python中的深度学习库TensorFlow和PyTorch。通过示例展示了如何使用Python实现神经网络,并提及优化技巧如正则化和Dropout。最后,概述了神经网络在图像识别、语音识别和自然语言处理等领域的应用,并强调掌握这些知识对深度学习的重要性。随着技术进步,神经网络的应用将持续扩展,期待更多创新。
|
8天前
|
机器学习/深度学习 算法 数据挖掘
【Python 机器学习专栏】Python 机器学习入门:基础概念与流程
【4月更文挑战第30天】本文介绍了Python在机器学习中的重要性,机器学习的基础概念和分类,包括监督学习、非监督学习和强化学习。Python因其丰富的库(如Scikit-learn、TensorFlow、PyTorch)、简单易学的语法和跨平台性在机器学习领域广泛应用。文章还概述了机器学习的基本流程,包括数据收集、预处理、特征工程、模型训练与评估等,并列举了常用的Python机器学习算法,如线性回归、逻辑回归、决策树和支持向量机。最后,讨论了Python机器学习在金融、医疗、工业和商业等领域的应用,鼓励读者深入学习并实践这一技术。
|
20天前
|
机器学习/深度学习 数据可视化 数据挖掘
《Python 简易速速上手小册》第9章:数据科学和机器学习入门(2024 最新版)
《Python 简易速速上手小册》第9章:数据科学和机器学习入门(2024 最新版)
24 1
|
23天前
|
机器学习/深度学习 传感器 算法
机器学习基础入门(一)(机器学习定义及分类)
机器学习基础入门(一)(机器学习定义及分类)
|
29天前
|
机器学习/深度学习 Serverless
机器学习入门案例-鸢尾花
机器学习入门案例-鸢尾花
21 0
|
29天前
|
机器学习/深度学习 人工智能 算法
机器学习基础:使用Python和Scikit-learn入门
【4月更文挑战第9天】本文介绍了使用Python和Scikit-learn进行机器学习的基础知识和入门实践。首先,简述了机器学习的基本概念和类型。接着,展示了如何安装Python和Scikit-learn,加载与处理数据,选择模型进行训练,以及评估模型性能。通过本文,读者可了解机器学习入门步骤,并借助Python和Scikit-learn开始实践。
|
1月前
|
机器学习/深度学习 人工智能 算法
从零开始学习Python人工智能:神经网络和机器学习入门指南
从零开始学习Python人工智能:神经网络和机器学习入门指南
41 4

热门文章

最新文章